Salvato in:
| Autori principali: | Guo, Shoutao, Zhang, Shaolei, Fang, Qingkai, Ma, Zhengrui, Zhang, Min, Feng, Yang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2507.14815 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
StreamSpeech: Simultaneous Speech-to-Speech Translation with Multi-task Learning
di: Zhang, Shaolei, et al.
Pubblicazione: (2024)
di: Zhang, Shaolei, et al.
Pubblicazione: (2024)
A Non-autoregressive Generation Framework for End-to-End Simultaneous Speech-to-Speech Translation
di: Ma, Zhengrui, et al.
Pubblicazione: (2024)
di: Ma, Zhengrui, et al.
Pubblicazione: (2024)
LLaMA-Omni: Seamless Speech Interaction with Large Language Models
di: Fang, Qingkai, et al.
Pubblicazione: (2024)
di: Fang, Qingkai, et al.
Pubblicazione: (2024)
Can We Achieve High-quality Direct Speech-to-Speech Translation without Parallel Speech Data?
di: Fang, Qingkai, et al.
Pubblicazione: (2024)
di: Fang, Qingkai, et al.
Pubblicazione: (2024)
Stream-Omni: Simultaneous Multimodal Interactions with Large Language-Vision-Speech Model
di: Zhang, Shaolei, et al.
Pubblicazione: (2025)
di: Zhang, Shaolei, et al.
Pubblicazione: (2025)
Large Language Models Are Read/Write Policy-Makers for Simultaneous Generation
di: Guo, Shoutao, et al.
Pubblicazione: (2025)
di: Guo, Shoutao, et al.
Pubblicazione: (2025)
SiLLM: Large Language Models for Simultaneous Machine Translation
di: Guo, Shoutao, et al.
Pubblicazione: (2024)
di: Guo, Shoutao, et al.
Pubblicazione: (2024)
Agent-SiMT: Agent-assisted Simultaneous Machine Translation with Large Language Models
di: Guo, Shoutao, et al.
Pubblicazione: (2024)
di: Guo, Shoutao, et al.
Pubblicazione: (2024)
LLaMA-Omni2: LLM-based Real-time Spoken Chatbot with Autoregressive Streaming Speech Synthesis
di: Fang, Qingkai, et al.
Pubblicazione: (2025)
di: Fang, Qingkai, et al.
Pubblicazione: (2025)
CTC-based Non-autoregressive Textless Speech-to-Speech Translation
di: Fang, Qingkai, et al.
Pubblicazione: (2024)
di: Fang, Qingkai, et al.
Pubblicazione: (2024)
BayLing 2: A Multilingual Large Language Model with Efficient Language Alignment
di: Zhang, Shaolei, et al.
Pubblicazione: (2024)
di: Zhang, Shaolei, et al.
Pubblicazione: (2024)
StreamUni: Achieving Streaming Speech Translation with a Unified Large Speech-Language Model
di: Guo, Shoutao, et al.
Pubblicazione: (2025)
di: Guo, Shoutao, et al.
Pubblicazione: (2025)
Efficient Training for Cross-lingual Speech Language Models
di: Zhou, Yan, et al.
Pubblicazione: (2026)
di: Zhou, Yan, et al.
Pubblicazione: (2026)
Efficient Speech Language Modeling via Energy Distance in Continuous Latent Space
di: Ma, Zhengrui, et al.
Pubblicazione: (2025)
di: Ma, Zhengrui, et al.
Pubblicazione: (2025)
Decoder-only Streaming Transformer for Simultaneous Translation
di: Guo, Shoutao, et al.
Pubblicazione: (2024)
di: Guo, Shoutao, et al.
Pubblicazione: (2024)
LLaVA-Mini: Efficient Image and Video Large Multimodal Models with One Vision Token
di: Zhang, Shaolei, et al.
Pubblicazione: (2025)
di: Zhang, Shaolei, et al.
Pubblicazione: (2025)
Glancing Future for Simultaneous Machine Translation
di: Guo, Shoutao, et al.
Pubblicazione: (2023)
di: Guo, Shoutao, et al.
Pubblicazione: (2023)
SpeechTokenizer: Unified Speech Tokenizer for Speech Large Language Models
di: Zhang, Xin, et al.
Pubblicazione: (2023)
di: Zhang, Xin, et al.
Pubblicazione: (2023)
SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models
di: Yang, Wanqi, et al.
Pubblicazione: (2025)
di: Yang, Wanqi, et al.
Pubblicazione: (2025)
Speech-Aware Long Context Pruning and Integration for Contextualized Automatic Speech Recognition
di: Rong, Yiming, et al.
Pubblicazione: (2025)
di: Rong, Yiming, et al.
Pubblicazione: (2025)
Locate-and-Focus: Enhancing Terminology Translation in Speech Language Models
di: Wu, Suhang, et al.
Pubblicazione: (2025)
di: Wu, Suhang, et al.
Pubblicazione: (2025)
Benchmarking Gaslighting Attacks Against Speech Large Language Models
di: Wu, Jinyang, et al.
Pubblicazione: (2025)
di: Wu, Jinyang, et al.
Pubblicazione: (2025)
SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks
di: Chang, Kai-Wei, et al.
Pubblicazione: (2024)
di: Chang, Kai-Wei, et al.
Pubblicazione: (2024)
Long-Form Speech Generation with Spoken Language Models
di: Park, Se Jin, et al.
Pubblicazione: (2024)
di: Park, Se Jin, et al.
Pubblicazione: (2024)
Overcoming Non-monotonicity in Transducer-based Streaming Generation
di: Ma, Zhengrui, et al.
Pubblicazione: (2024)
di: Ma, Zhengrui, et al.
Pubblicazione: (2024)
Robust Long-Form Bangla Speech Processing: Automatic Speech Recognition and Speaker Diarization
di: Chowdhury, MD. Sagor, et al.
Pubblicazione: (2026)
di: Chowdhury, MD. Sagor, et al.
Pubblicazione: (2026)
S2SBench: A Benchmark for Quantifying Intelligence Degradation in Speech-to-Speech Large Language Models
di: Fang, Yuanbo, et al.
Pubblicazione: (2025)
di: Fang, Yuanbo, et al.
Pubblicazione: (2025)
IG-Pruning: Input-Guided Block Pruning for Large Language Models
di: Qiao, Kangyu, et al.
Pubblicazione: (2025)
di: Qiao, Kangyu, et al.
Pubblicazione: (2025)
Auto-RAG: Autonomous Retrieval-Augmented Generation for Large Language Models
di: Yu, Tian, et al.
Pubblicazione: (2024)
di: Yu, Tian, et al.
Pubblicazione: (2024)
FastAdaSP: Multitask-Adapted Efficient Inference for Large Speech Language Model
di: Lu, Yichen, et al.
Pubblicazione: (2024)
di: Lu, Yichen, et al.
Pubblicazione: (2024)
Borderless Long Speech Synthesis
di: Song, Xingchen, et al.
Pubblicazione: (2026)
di: Song, Xingchen, et al.
Pubblicazione: (2026)
WEST: LLM based Speech Toolkit for Speech Understanding, Generation, and Interaction
di: Zhang, Binbin, et al.
Pubblicazione: (2025)
di: Zhang, Binbin, et al.
Pubblicazione: (2025)
WenetSpeech-Chuan: A Large-Scale Sichuanese Corpus with Rich Annotation for Dialectal Speech Processing
di: Dai, Yuhang, et al.
Pubblicazione: (2025)
di: Dai, Yuhang, et al.
Pubblicazione: (2025)
Leveraging Unit Language Guidance to Advance Speech Modeling in Textless Speech-to-Speech Translation
di: Zhang, Yuhao, et al.
Pubblicazione: (2025)
di: Zhang, Yuhao, et al.
Pubblicazione: (2025)
Enhancing Speech-to-Speech Dialogue Modeling with End-to-End Retrieval-Augmented Generation
di: Feng, Pengchao, et al.
Pubblicazione: (2025)
di: Feng, Pengchao, et al.
Pubblicazione: (2025)
Do We Need Distinct Representations for Every Speech Token? Unveiling and Exploiting Redundancy in Large Speech Language Models
di: Xiang, Bajian, et al.
Pubblicazione: (2026)
di: Xiang, Bajian, et al.
Pubblicazione: (2026)
Enhancing Generalization of Speech Large Language Models with Multi-Task Behavior Imitation and Speech-Text Interleaving
di: Xie, Jingran, et al.
Pubblicazione: (2025)
di: Xie, Jingran, et al.
Pubblicazione: (2025)
Speech Translation with Speech Foundation Models and Large Language Models: What is There and What is Missing?
di: Gaido, Marco, et al.
Pubblicazione: (2024)
di: Gaido, Marco, et al.
Pubblicazione: (2024)
Phonetic Enhanced Language Modeling for Text-to-Speech Synthesis
di: Zhou, Kun, et al.
Pubblicazione: (2024)
di: Zhou, Kun, et al.
Pubblicazione: (2024)
Speech-Copilot: Leveraging Large Language Models for Speech Processing via Task Decomposition, Modularization, and Program Generation
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2024)
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2024)
Documenti analoghi
-
StreamSpeech: Simultaneous Speech-to-Speech Translation with Multi-task Learning
di: Zhang, Shaolei, et al.
Pubblicazione: (2024) -
A Non-autoregressive Generation Framework for End-to-End Simultaneous Speech-to-Speech Translation
di: Ma, Zhengrui, et al.
Pubblicazione: (2024) -
LLaMA-Omni: Seamless Speech Interaction with Large Language Models
di: Fang, Qingkai, et al.
Pubblicazione: (2024) -
Can We Achieve High-quality Direct Speech-to-Speech Translation without Parallel Speech Data?
di: Fang, Qingkai, et al.
Pubblicazione: (2024) -
Stream-Omni: Simultaneous Multimodal Interactions with Large Language-Vision-Speech Model
di: Zhang, Shaolei, et al.
Pubblicazione: (2025)